待验证85% 置信事实时间未知

在Mermaid流程图生成测试中，GPT-OSS 120B和20B均生成了有语法错误的代码，测试失败

1

来源数

85%

置信度

中期 (~90 天)

时效性

2026/6/1

首次发现

有效期至：2026/8/30

来源

GPT-OSS 120B/20B开源模型深度测评：幻觉、推理、代码全面实测

bilibiliAI超元域

涉及实体

GPT-OSS 120Bmodel GPT-OSS 20Bmodel Mermaidproduct

相关事实

待验证GPT-OSS在联网搜索功能测试中出现严重幻觉问题，编造了不存在的模型版本号（1.3B、7B、34B、70B）和错误的发布时间72% 相似待验证GPT-OSS 20B在经典逻辑推理题（判断谁在说谎）测试中给出了错误答案70% 相似待验证在贪吃蛇游戏代码生成测试中，GPT-OSS 120B的代码生成质量与O4 Mini基本持平，某些细节上表现更好70% 相似待验证在幻觉测试中，GPT-OSS 120B和20B均通过了全部六道陷阱题70% 相似待验证gpt-oss-20b能够以比gemma4:12B更快的速度发现相同的代码问题64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/23227

API

curl https://kongchang.com/api/v1/knowledge/claims/23227

MCP

get_claim(id=23227)